在9月30日到10月2日德国卡尔斯鲁厄举行的IEEE 2013 Third International Conference on Cloud and Green Computing (CGC 2013)中，我院研究生杨强鹏所发表论文“Host Load Prediction Based on PSR and EA-GMDH for Cloud Computing System”被评为最佳论文。
该文章以2011年谷歌公开的负载数据库的一个月数据作为测试数据集，通过与目前最好的负载预测方法相比较，能够取得更优良的性能（更低的主机负载预测误差；更高的精度；在预测长度较大时，仍能取得目前最理想的预测结果）。
文章针对云环境中主机负载变化剧烈、噪声巨大等特点，提出了一种将PSR与EA-GMDH优势互补的方法，PSR对负载数据进行相空间重构，将一维时间序列重构成多维时间序列; EA-GMDH将重构后的数据作为其输入进行训练，获得到最合适的网络结构。同时文章提出的方法能够抑制累积误差，克服了传统方法中随着预测长度的增加而带来的误差制约。
云计算是近年发展起来的大数据处理领域热门课题，2013年的CGC 会议在德国召开，是云计算和绿色计算领域较为高层次会议，为专家和学者提供了一个交流最新研究成果的平台，参会论文100余篇，在3篇候选最佳论文中，杨强鹏同学的论文通过答辩最终被评为唯一最佳论文，电路与系统课题组的彭成磊、周余、都思丹等学科组老师共同指导了此篇论文的工作。
该文章以2011年谷歌公开的负载数据库的一个月数据作为测试数据集，通过与目前最好的负载预测方法相比较，能够取得更优良的性能（更低的主机负载预测误差；更高的精度；在预测长度较大时，仍能取得目前最理想的预测结果）。
文章针对云环境中主机负载变化剧烈、噪声巨大等特点，提出了一种将PSR与EA-GMDH优势互补的方法，PSR对负载数据进行相空间重构，将一维时间序列重构成多维时间序列; EA-GMDH将重构后的数据作为其输入进行训练，获得到最合适的网络结构。同时文章提出的方法能够抑制累积误差，克服了传统方法中随着预测长度的增加而带来的误差制约。
云计算是近年发展起来的大数据处理领域热门课题，2013年的CGC 会议在德国召开，是云计算和绿色计算领域较为高层次会议，为专家和学者提供了一个交流最新研究成果的平台，参会论文100余篇，在3篇候选最佳论文中，杨强鹏同学的论文通过答辩最终被评为唯一最佳论文，电路与系统课题组的彭成磊、周余、都思丹等学科组老师共同指导了此篇论文的工作。
